Microsoft помогла создать некоммерческую организацию Partnership on AI, задача которой — способствовать использованию технологий ИИ на благо людей и общества
Microsoft помогла создать некоммерческую организацию Partnership on AI, задача которой — способствовать использованию технологий ИИ на благо людей и общества
Основу для исследований в области искусственного интеллекта, начавшихся в 1950-х годах, заложила работа британского математика Алана Тьюринга, проделанная во время Второй мировой войны. Однако лишь в последние 10 лет идет быстрое развитие этой области, ставшее возможным благодаря трем основным факторам: повсеместным облачным вычислениям, огромным объемам данных и достижениям в машинном обучении.
Так что такое искусственный интеллект? Вообще говоря, это поведение машин или компьютерных систем, имитирующее человеческий интеллект. В информатике к ИИ относят несколько областей, самая популярная из которых — машинное обучение. Сначала рассмотрим основы:
Что такое машинное обучение?
Машинное обучение позволяет компьютерам учиться, не будучи явно запрограммированными. Достижения в этой области, особенно в глубоком обучении, привели к бурному развитию ИИ. В процессе машинного обучения компьютерные системы учатся использовать алгоритмы, то есть строки кода, чтобы находить закономерности в данных и действовать, исходя из этих закономерностей.
Распознавание речи и естественного языка, компьютерное зрение, рекомендации во время поиска и фильтрация электронной почты — вот примеры ИИ, использующего машинное обучение. Ваш оптимизированный почтовый ящик Outlook выбирает из множества писем самые важные с помощью ИИ. Когда вы вводите запрос в поисковую систему или совершаете покупки в интернет-магазине, предлагаемые результаты и рекомендации — это тоже работа ИИ. Переводчик Microsoft использует алгоритмы машинного обучения, чтобы переводить текст на другой язык.
Распространенные методы машинного обучения
Машинное обучение на основе маркированных данных называется «обучение с учителем» (supervised learning). Например, данные могут содержать фотографии с указанием того, что они изображают. После обучения алгоритм сможет находить в других наборах данных похожие структуры. Если для обучения использовать набор фотографий, на которых отмечены собаки, машина сможет распознавать аналогичные фотографии собак.
В противоположность этому, при «самообучении» (unsupervised learning) машины ищут закономерности в наборах немаркированных данных, выявляя сходства. Алгоритмы здесь создаются не для определения конкретных типов данных (например, изображений собак), а для поиска структур, которые выглядят одинаково и могут относиться к одной категории.
При «обучении с подкреплением» (reinforcement learning) машина учится путем проб и ошибок, в итоге находя наилучший способ выполнения поставленной задачи. Microsoft использует этот метод в играх, таких как Minecraft, изучая возможности улучшения «программных агентов». Например, управляемый ИИ персонаж может проходить по полю с лавой, не падая в нее.
Что такое глубокое обучение?
Глубокое обучение — вид машинного обучения, основанный на принципах работы нейронных сетей, обрабатывающих информацию в человеческом мозге. В таких системах каждый слой нейронной сети преобразует полученные данные в несколько более сложное представление информации.
Это позволяет системе получить очень подробное понимание данных, на основе которого можно принимать решения, похожие на разумные рассуждения. Например, «видя» изображения собаки, машина сначала составляет матрицу пикселей и распознает фигуру, затем определяет границы этой фигуры, затем контуры, затем сам объект и так далее, пока не идентифицирует изображение.
Именно благодаря искусственным нейронным сетям стали возможны недавние достижения в области машинного обучения, давшие компьютерам способность понимать речь, обрабатывать естественный язык и распознавать изображения.
Искусственный интеллект захватит мир?
Восприятие ИИ общественностью во многом искажено негативным изображением в научной фантастике. Но на самом деле любая современная система ИИ способна решать только какую-то одну, четко поставленную задачу. Эти системы хорошо справляются с логическими задачами, но у них нет интуиции, эмпатии или эмоционального интеллекта. Другими словами, опасения некоторых людей далеки от того, что на самом деле происходит на нынешнем этапе развития ИИ.
Общественное доверие к технологиям ИИ должно формироваться уже на этапе проектирования, а продукты должны создаваться с учетом строго определенных этических рамок. Конфиденциальность данных, использование ИИ во вред, моральный статус систем ИИ и распределение ответственности в случае возникновения проблем — это те вопросы, на которых мы должны сосредоточиться.
Microsoft применяет партнерский подход к разработке ИИ, в первую очередь руководствуясь общечеловеческими ценностями. Мы придерживаемся ответственного отношения к проектированию и считаем, что компании, разрабатывающие такие технологии, должны брать на себя ответственность за соблюдение этических норм и объединяться для решения самых сложных задач. Технологии ИИ не должны быть преимуществом какой-либо одной компании или страны. Они должны быть доступны каждому.
Следуя этим принципам, Microsoft помогла создать некоммерческую организацию Partnership on AI (Партнерство по ИИ), задача которой — способствовать использованию технологий ИИ на благо людей и общества, делиться передовыми практиками и организовывать открытое обсуждение. В прошлом году мы создали собственный консультативный комитет по вопросам ИИ и этики в разработке и исследованиях (AI and Ethics in Engineering and Research), чтобы следить за тем, что все системы ИИ воплощают наши принципы этического проектирования. Эти принципы должны защищать от искажений данных, обеспечивать подотчетность, прозрачность и объяснимость алгоритмов, а также помогать человечеству, не нарушая при этом конфиденциальности.
Искусственный интеллект и будущие рабочие места
В последнее время активно обсуждается угроза того, что ИИ заменит людей на рабочих местах, особенно там, где можно автоматизировать ручную работу. Microsoft считает, что такая постановка вопроса слишком упрощена. Большинству людей на работе приходится выполнять рутинные задачи, которые снижают производительность труда. Эти задачи мог бы взять на себя ИИ, позволив людям сосредоточиться на более важных делах.
Справедливости ради следует отметить, что ИИ, скорее всего, изменит подходы к работе и приведет к упразднению некоторых рабочих мест и профессий. Но он же и создаст новые, которые пока даже не существуют. Это происходило во время каждой промышленной революции, начиная с изобретения ткацкого станка и парового двигателя. Преимущество, которое мы имеем сегодня, в начале Четвертой промышленной революции, состоит в том, что мы можем готовиться к изменениям, гораздо глубже понимая происходящее. Чтобы рабочие места появлялись, а не исчезали, мы должны выработать соответствующую политику и создавать программы переподготовки.
Microsoft уже сделала многое для организации обучения и направления политики в нужное русло. В 2018 году мы обновили наши руководящие принципы, чтобы создать правовую основу, позволяющую любому человеку использовать преимущества облачных вычислений, и мы не перестаем привлекать внимание к тем преобразованиям, к которым ведут технологии. Мы не считаем, что ИИ полностью вытеснит людей с рабочих мест, но уверены, что новые технологии изменят характер работы, и мы несем ответственность за подготовку людей к этим изменениям. Подробнее об этом можно прочитать в нашей электронной книге The Future Computed, посвященной влиянию ИИ на общество.
Тем не менее, нельзя недооценивать серьезность этой проблемы и связанного с ней общественного волнения. Исследование, проведенное Институтом будущего человечества (Future of Humanity Institute) Оксфордского университета при участии экспертов по компьютерному обучению, показало, что ИИ может оказать существенное влияние на профессии водителей грузовиков к 2027 году, розничных продавцов к 2031 году и хирургов к 2053 году.
Впрочем, мы полагаем: пройдет много десятилетий, прежде чем ИИ станет настолько развитым, чтобы массово заменять людей на рабочих местах. А когда это случится, перед людьми встанут этические вопросы о целесообразности такой замены. В конечном счете, когда речь идет об ИИ, мы считаем, что лучше сосредоточиться на долгосрочной перспективе и придерживаться ответственного подхода к решению проблем, с которыми мы сталкиваемся сегодня.
